Contenuto
- AI nel ciclo di hype
- Fin qui, non così bene
- Nessun bug, nessuno stress: la tua guida passo passo alla creazione di software che ti cambia la vita senza distruggere la tua vita
- Tutto dipende dai dati
Fonte: charles taylor / iStockphoto
Porta via:
C'è molto clamore sull'intelligenza artificiale, quanto è intelligente?
L'intelligenza artificiale ha attirato così tanta attenzione nei circoli aziendali che molti leader IT possono essere scusati pensando che fornirà tutte le risposte a un ecosistema di dati sempre più complesso. Ma sebbene abbia certamente il potenziale per apportare molti miglioramenti significativi alla tecnologia esistente, è anche corretto affermare che alcune delle aspettative relative alla sua efficacia sono esagerate.
In effetti, c'è relativamente poca comprensione di cosa sia esattamente l'IA, come funzioni davvero e cosa possa effettivamente fare. E questo sta portando a grandi idee sbagliate che circondano il suo ruolo nell'impresa e il modo in cui si collegherà alle infrastrutture esistenti e agli umani che le gestiscono.
AI nel ciclo di hype
Secondo il più recente Hype Cycle di Gartner, sottoinsiemi chiave di AI come deep learning, machine learning e cognitive computing sono in cima alla curva Peak Inflated Expectations, il che significa che sono sulla cuspide della lunga diapositiva nel Trough of Disillusionment. Mentre questo è alla pari per quasi tutte le tecnologie dirompenti negli ultimi 30 anni, sottolinea il fatto che l'impatto proiettato dell'intelligenza artificiale nell'impresa, derivato principalmente da test di laboratorio controllati, sta per andare a capofitto nelle realtà dell'ambiente di produzione. (Scopri una storia di innovazioni informatiche in Da Ada Lovelace a Deep Learning.)
Tuttavia, il ricercatore di Gartner Mike Walker si aspetta che l'IA diventi onnipresente nel prossimo decennio attraverso una combinazione di avanzamento della potenza di calcolo, che sta portando allo sviluppo di costrutti come la rete neurale e al semplice fatto che il carico di dati aziendali è diventato così immenso e così complesso che gli operatori umani non possono più farcela da soli.
Una delle prime cose che l'impresa deve comprendere sull'intelligenza artificiale è che gioca in modo rapido con il termine "intelligenza". Come recentemente ha spiegato a ZDnet il neuroscienziato svizzero Pascal Kaufmann, ci sono profonde differenze nel modo in cui un algoritmo informatico e un cervello umano elaborare le informazioni per arrivare a una conclusione. Data una potenza di elaborazione sufficiente, un algoritmo informatico può confrontare milioni, miliardi, forse anche trilioni di set di dati per fare una semplice determinazione, ad esempio se l'immagine di un gatto è effettivamente l'immagine di un gatto. Ma anche un bambino piccolo, dati pochissimi dati, può istintivamente determinare che si tratta di un gatto e saprà per sempre dopo cosa è un gatto e che aspetto ha.
In base a questo standard, anche il principale esempio di intelligenza artificiale al lavoro - la padronanza AlphaGo di Google DeepMind nel gioco di strategia Go - non era in realtà un'intelligenza artificiale ma una sezione trasversale di big data, analisi e automazione in grado di razionalizzare un approccio basato su regole alla vittoria. È interessante notare che Kaufmann aggiunge che un vero esempio di intelligenza artificiale sarebbe se AlphaGo avesse capito come imbrogliare per vincere. Per fare ciò, tuttavia, la scienza dovrà prima decifrare il "codice del cervello" che alimenta la nostra capacità di elaborare informazioni, recuperare conoscenze e conservare memorie. (Ulteriori informazioni sull'automazione con Automation: The Future of Data Science and Machine Learning?)
Fin qui, non così bene
In effetti, nonostante i timori che l'IA stia per ricominciare il lavoro di tutti, i risultati finora sono quasi comici. I fan di "Game of Thrones" di George R.R. Martin sono così impazienti per la prossima puntata della serie che molti si sono riversati su un capitolo di gobbledygook quasi puro scritto da una forma di AI chiamata rete neurale ricorrente. Nel frattempo, IBM si sta prendendo cura dei ricercatori di oncologia a cui è stato detto che Watson avrebbe scatenato una nuova era nella diagnosi e nel trattamento, ma sta ancora lottando per distinguere tra le forme di base del cancro. Dato questo track record, è del tutto possibile che quando l'IA viene introdotta per la prima volta nell'impresa tipica, probabilmente richiederà maggiori sforzi da parte degli operatori umani solo per tracciare e monitorare tutti gli errori che farà.
Nessun bug, nessuno stress: la tua guida passo passo alla creazione di software che ti cambia la vita senza distruggere la tua vita
Non puoi migliorare le tue capacità di programmazione quando a nessuno importa della qualità del software.
Ma ecco il problema: l'IA migliorerà nel tempo senza dover essere riprogrammata. Come ha recentemente dichiarato a Tech Crunch il ricercatore di Cornell Tech Daniel Huttenlocker, l'IA ha più probabilità di sostituire il software tradizionale - e tutte le fastidiose patch, gli aggiornamenti e le correzioni che richiede - rispetto agli operatori umani. Ciò non significa che l'IA non debba essere programmata, ma che l'approccio sia notevolmente semplificato. Con il software di oggi, il programmatore deve definire non solo l'attività da risolvere, ma i passaggi esatti con cui risolverlo. Con AI, tutto ciò che serve è l'obiettivo e il software dovrebbe essere in grado di gestire il resto, a condizione che abbia i dati giusti con cui lavorare.
Tutto dipende dai dati
Quest'ultimo punto è cruciale perché, alla fine della giornata, l'IA è semplicemente un algoritmo e gli algoritmi sono buoni solo quanto i dati che vengono alimentati. Ciò significa che oltre a costruire un adeguato quadro operativo di intelligenza artificiale, l'impresa dovrà stabilire un ambiente di condizionamento dei dati abbastanza vigoroso in modo che i risultati dell'analisi si basino su informazioni accurate in corso. Come ha recentemente affermato a Forbes il CEO di ActiveCampaign Jason VandeBoom, il vecchio si applicano ancora le regole di "immondizia in egual misura", quindi potrebbe passare un po 'di tempo prima che le organizzazioni vedano i veri benefici del loro investimento in IA.
Alla luce di tutto ciò, l'impresa non dovrebbe aspettarsi che l'IA fornisca una soluzione rapida per le sfide emergenti dei big data e dell'IoT. È probabile che la curva di apprendimento sia per l'uomo che per la macchina sia piuttosto lunga e, nella migliore delle ipotesi, i risultati sono incerti.
Ma se tutto funziona come previsto, sia la forza lavoro aziendale che quella della conoscenza dovrebbero vedere benefici sostanziali nel lungo periodo. Pensa al compito più banale, noioso e che richiede tempo che sta rallentando i tuoi processi in questo momento e immagina di non doverli mai più ripetere.